线性回归

小糖学代码

机器学习：3.逻辑回归==逻辑回归（Logistic Regression）是机器学习中最基础且广泛应用的分类算法之一。==虽然名字中带有“回归”，但它主要用于解决分类问题，通过概率判别模型建模来输出样本属于某一类的概率。

4.1 监督学习入门：线性回归与分类在深度学习和大模型出现之前，机器学习就已经在解决大量真实世界的问题了。这一篇的目标是让你真正理解监督学习的工作原理，而不仅仅是会调用API。

小糖学代码

机器学习：2.线性回归线性回归是机器学习中最基础、最通用的监督学习算法之一，旨在建立输入特征与连续输出标签之间的线性关系。这三个概念的终极目的相同：都是为了衡量“模型当前有多差”，并作为梯度下降等优化算法的“指南针”。但它们的作用范围和评估维度有所区别。

机器学习44：线性回归进阶篇②本文进一步深入介绍了梯度下降法的多变量情形。文章以二元函数为例演示了多变量梯度下降的迭代过程，讨论了学习率对收敛的影响。通过银行信贷案例，完整推导了从假设函数、损失函数到梯度计算与参数更新的全过程。文章对梯度下降法进行了分类，对比了全梯度下降、随机梯度下降、小批量梯度下降、随机平均梯度下降及Adam等方法的原理与优缺点。此外，对比了梯度下降与正规方程法的适用场景，并介绍了回归模型的三种评估指标：MAE、MSE与RMSE。

线性回归的总结：另外：训练的数据集不能太少，例如：

金融小师妹

基于AI通胀路径模型与利率预期框架的黄金市场分析：地缘风险持续扰动下金价跌至2个月低位逻辑解析摘要：本文通过AI宏观因子模型、能源价格波动监测系统以及美联储利率路径预测框架，结合国际油价、美元指数与美通胀数据预期，分析黄金在高利率预期与地缘风险持续发酵背景下跌至2个月低位的压力来源，以及市场风险偏好的阶段性变化。

线性回归、决策树定义：利用回归方程对一个或多个特征值和目标值之间关系进行建模的一种分析方式回归方程：w：weight 权重，b：bias 偏置

机器学习43：线性回归进阶篇①本文深入介绍了线性回归模型的优化求解方法正规方程法与以及简单的引入了梯度下降法。在一元线性回归部分，通过身高体重预测案例推导了损失函数对参数的偏导，并解出了最优权重与截距。在多元线性回归部分，将问题转化为矩阵形式，利用矩阵求导推导出正规方程解，同时指出了该方法可能面临的计算量大及矩阵不可逆的问题。随后，文章详细阐述了梯度下降法的基本原理与迭代公式，以单变量函数为例演示了参数更新过程，并讨论了学习率的选择与停止策略。本文为理解线性回归的参数学习机制提供了完整的数学推导与算法对比。

金融小师妹

基于AI联储治理模型的政策重构分析：沃什试图重塑美联储，但现实复杂度远超预期摘要：本文通过AI货币政策路径模型、央行治理结构分析框架以及通胀预期追踪系统，结合Nick Timiraos对凯文·沃什政策理念的最新观察，分析新一轮美联储改革思路背后的逻辑变化，并探讨在高通胀、高利率与内部决策分歧并存背景下，沃什未来推动政策调整所面临的现实约束。

深度学习python代码处理科研测序数据学习案例主题：多组数据分析（t检验、单因素方差分析以及多重比较）学习初衷：①与AI对接很耗时间②自己学会原理，不一定要每个都手敲，但是可以快速定位和优化AI的代码③我们不会因为有了计算器而放弃学数学，学习代码是不是也是这样？

金融小师妹

基于AI宏观因子识别系统的贵金属波动分析：美元回落提振黄金反弹，能源飙升压制上行空间的机制分析摘要：本文通过AI宏观流动性识别模型、美元指数动态因子分析系统以及黄金-原油联动算法，结合美债收益率、能源价格与利率预期变化，对近期黄金市场波动逻辑进行多维拆解。文章重点分析美元回落为何仅带来阶段性反弹，以及高油价、高通胀与高利率预期如何持续压制黄金上行空间。

金融小师妹

基于AI通胀预期模型与美元流动性监测框架的黄金6周新低行分析：美元五连涨周期下贵金属定价机制重构研究摘要：本文通过AI宏观因子识别模型，结合美元流动性监测框架、美债收益率路径推演系统与能源价格传导模型，分析黄金连续回落背后的核心驱动逻辑，并探讨“高油价+高通胀+高利率”环境下，全球资金风险偏好与贵金属资产定价结构的变化趋势。

【贪心算法】(经典实战应用解析(三):K次取反后最⼤化的数组和、按⾝⾼排序、优势洗牌、最⻓回⽂串、增减字符串匹配)在算法学习中,贪心算法一直是一个既"直观"又"容易踩坑"的专题.它的核心思想看似简单:每一步都选择当前看来最优的方案,最终希望得到全局最优解.但真正落到题目中,难点往往不在于"会不会贪",而在于如何找到正确的贪心策略,以及如何证明这个策略不会出错.本篇文章将继续围绕贪心算法的经典实战应用展开,通过几个非常具有代表性的题目,进一步体会贪心思想在不同场景下的灵活运用.我们会依次分析:K 次取反后最大化的数组和、根据身高重建队列、优势洗牌、最长回文串、增减字符串匹配等问题.这些题目表面上涉及数组、排序、字符串、

机器学习之线性回归算法线性回归（Linear Regression）是一种有监督学习算法，主要用于回归任务。它的目标是：找到一个线性函数，能够尽可能准确地描述输入特征（X）与连续输出（y）之间的依赖关系。

案例之 PyTorch模拟线性回归1️⃣ 设置损失函数和优化器：损失函数指MSE、MAE等；优化器是用来结合反向传播更新参数的，之前在自动微分中更新参数的代码是通过公式 w新 = w旧 - 学习率 * 梯度或 w.data = w.data -0.01 * w.grad手动更新；但优化器中有一个名为step的函数，通过优化器.step() 可在底层自动帮忙更新参数。 2️⃣ MSE代替平方损失函数、DataLoader代替数据加载器、SGD（随机梯度下降）代替优化器即梯度下降、Linear代替假设函数即 y=wx+b。

机器学习42：线性回归基础篇本文介绍了线性回归的基本原理与应用。线性回归是一种监督学习算法，用于建模自变量与因变量之间的线性关系。文章从一元线性回归入手，以身高预测体重为例，说明了最小二乘法的核心思想——通过最小化预测误差的平方和来找到最佳拟合直线。进而扩展到多元线性回归，给出其矩阵表示形式。此外，文章还展示了基于scikit-learn的线性回归API使用方法，并详细解释了损失函数的概念，包括均方误差（MSE）与平均绝对误差（MAE）。本文为理解回归类问题奠定了数学基础。

金融小师妹

基于AI通胀风险识别模型与联储决策框架的政策分歧研究：鹰派权重上升后的全球流动性再定价分析摘要：本文通过AI宏观情绪识别模型，结合联储发言语义分析、通胀路径预测框架与利率预期数据，分析当前美联储内部“鹰鸽分歧”加剧背后的深层逻辑，并探讨能源价格、资产负债表政策及货币政策独立性变化，对全球流动性与风险资产定价体系的影响。

金融小师妹

基于全球能源传输网络与AI供应链韧性模型的半导体产业链风险传导：霍尔木兹封锁下的芯片系统性冲击分析摘要：本文通过AI供应链风险模型、能源依赖网络分析与半导体材料传导路径研究，结合霍尔木兹海峡运输受限背景，分析全球芯片产业在能源、化学原料、物流与终端需求层面的连锁反应，并探讨AI时代下半导体供应链对地缘运输节点的高度敏感性。

金融小师妹

基于AI货币政策路径模型的美联储换届分析：沃什时代的“鹰鸽平衡”与全球资产定价重构摘要：本文通过AI宏观因子模型，结合通胀路径推演、联储政策预期矩阵以及全球资金流动数据，分析“沃什时代”下美联储政策框架可能出现的变化，并拆解高通胀、高利率与市场预期博弈之间的核心逻辑。

深度学习-线性回归参考：《动手学深度学习》，https://zh-v2.d2l.ai/index.html引用自《动手学深度学习》：回归（regression）是能为一个或多个自变量与因变量之间关系建模的一类方法。在自然科学和社会科学领域，回归经常用来表示输入和输出之间的关系。在机器学习领域中的大多数任务通常都与预测（prediction）有关。当我们想预测一个数值时，就会涉及到回归问题。常见的例子包括：预测价格（房屋、股票等）、预测住院时间（针对住院病人等）、预测需求（零售销量等）。